템플릿 모델링 점수

생물정보학에서 템플릿 모델링 점수 또는 TM-점수는 두 단백질 구조 간의 유사성을 측정하는 척도이다.TM 점수는 자주 사용되는 RMSD 측정보다 전체 길이 단백질 구조의 전역 유사성을 더 정확하게 측정하기 위한 것입니다.TM-score는 ( $(0,1]$ $)$ { $displaystyle(0,1)}$ 사이의 $(0,1]$ 점수로 두 구조 간의 유사성을 나타냅니다. 여기서 1은 두 구조 간의 완벽한 일치를 나타냅니다(따라서 높을수록 좋습니다).^[1]일반적으로 0.20 미만의 점수는 무작위로 선택된 관련 없는 단백질에 해당하는 반면, 0.5 이상의 점수를 가진 구조는 거의 동일한 ^[2]접힘을 가정한다.정량적 연구에^[3] 따르면 TM-점수 = 0.5의 단백질은 동일한 CATH 토폴로지 제품군에서 37%, 동일한 SCOP 폴드 제품군에서 13%의 사후 확률을 가진다.TM-score가 0.5를 넘으면 확률이 급격히 증가합니다.TM-점수는 단백질 길이와 무관하도록 설계되었습니다.

TM-점수 방정식

두 단백질 구조(예: 템플릿 구조와 표적 구조) 사이의 TM 점수는 다음과 같이 정의된다.

디스플레이 스타일TM-score}=\max \left [{\frac {1}{\text{target}}\sum _{i}^{L_{\text{common}}{\frac {1+\leftfrac {d_{i}}{d_{0}(L_{\text{target}}}}}}}}}}\right {{{{{}}}}}}}}}}}}}}}}}}}}}\sum_rightsum_right}}}}}}}}}

$L_{\text{target}}$ 서 L $L_{\text{target}}$ target ${\text{target}$ 은 $L_{\text{target}}$ 표적 단백질의 아미노산 배열 길이, $L_{\text{common}}$ {\ $text{common}}$ 은 $L_{\text{common}}$ 템플릿 구조와 표적 구조 모두에 나타나는 잔류물의 $d_{i}$ , $(\$ })는 $d_{i}$ i $(표시$ ) 사이의 거리이다. $tyle$ i $}$ 번째 $i$ template 및 target structure의 잔류물 쌍이며, $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ d $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ target) $=$ $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ . $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ L $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ target - $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ - 1. $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ { $displaystyle d_{0}(L_{\text{target$ }})= $1.$ $24시간 rt[{3}]{$ $L_{\text{target}-15}-1.8}$ 은 $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ 거리를 정규화하는 거리 척도입니다.

동일한 $L_{\text{common}}$ 잔기순서를 가진 두 단백질 구조를 비교할 때 $L_{\text{common}}$ common { $displaystyle L_{\text{common}}$ 은 $L_{\text{common}}$ 구조 $L_{\text{common}}$ 의 C-alpha 순서 번호(즉, 단백질 데이터 뱅크(파일 형식)의 23-26열)에서 읽힌다.다른 배열 및/또는 다른 잔기 순서를 가진 두 단백질 구조를 비교할 때 일반적으로 먼저 구조적 정렬이 수행되고 다음으로 구조 정렬에서 공통적으로 정렬된 잔기에 대해 TM-점수가 계산된다.

기타 조치

자주 사용되는 구조적 유사성 측도는 RMSD(root-mean-square deviation)입니다.RMSD $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ / $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ { $displaystyle$ = $sqsqrt$ { $sum$ _ { i $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ = $1$ }^{ L $}d$ _ { $i$ }^2 $}$ / { $L}}}}}$ 은 $={\sqrt {\sum _{i=1}^{L}d_{i}^{2}/{L}}}$ 모든 잔류물 쌍에서 동일한 무게의 거리 오차( $\$ 의 평균으로 계산되며, 일부 잔류물 쌍에서 큰 국소 오차는 RMSD가 발생할 수 있습니다. 한편 분모에 $\$ 를 $d_{i}$ $d_{i}$ 으로써 TM-score는 자연히 작은 거리의 가중치를 갖게 됩니다.rs는 더 큰 거리 오류보다 더 강력합니다.따라서 TM-score 값은 RMSD에 비해 국소 구조 오류보다 전역 구조 유사성에 더 민감합니다. TM-score의 또 다른 장점은 척도 $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ 0 ( $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ target ) $=$ . $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ L $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ - $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ 3 - $d_{0}(L_{\text{target}})=1.24{\sqrt[{3}]{L_{\text{target}}-15}}-1.8$ { $displaystyle d_0}(L_{\text$ }}}= $1$ 을 도입하는 것입니다 $.$ $24시간 rt[{3}]{$ $L_{\text{target}-1.8}. 랜덤$ 구조 쌍에 대해 TM-점수의 크기를 독립적으로 만드는 반면, RMSD 및 기타 대부분의 척도는 길이에 의존하는 메트릭이다.

Global Distance Test(GDT; 전역 거리 테스트) 알고리즘과 "총점"을 나타내는 GDT TS 점수는 알려진 아미노산 대응(예: 동일한 아미노산 배열)이 서로 다른 3차 ^[4]구조를 가진 두 단백질 구조 간의 유사성에 대한 또 다른 척도이다.랜덤 구조 쌍의 평균 GDT 점수는 단백질 ^[1]크기에 따라 멱함수 법칙에 따라 달라지기 때문에 GDT 점수는 RMSD와 같은 길이 의존성 문제를 가지고 있습니다.

「」를 참조해 주세요.

RMSD - 다른 구조 비교 측정
GDT - 다른 구조 비교 측정
Longest Continuous Segment(LCS; 최장 연속 세그먼트) — 다른 구조 비교 측정
전역 거리 계산(GDC_sc, GDC_all) — 유사성을 평가하기 위해 전체 모델 정보(α-탄소뿐 아니라)를 사용하는 구조 비교 척도
로컬 글로벌 얼라인먼트(LGA) - 단백질 구조 얼라인먼트 프로그램 및 구조 비교 측정

레퍼런스

^ ^a ^b Zhang Y and Skolnick J (2004). "Scoring function for automated assessment of protein structure template quality". Proteins. 57 (4): 702–710. doi:10.1002/prot.20264. PMID 15476259. S2CID 7954787.
^ Zhang Y and Skolnick J (2005). "TM-align: a protein structure alignment algorithm based on the TM-score". Nucleic Acids Res. 33 (7): 2302–2309. doi:10.1093/nar/gki524. PMC 1084323. PMID 15849316.
^ Xu J and Zhang Y (2010). "How significant is a protein structure similarity with TM-score = 0.5?". Bioinformatics. 26 (7): 889–895. doi:10.1093/bioinformatics/btq066. PMC 2913670. PMID 20164152.
^ Zemla A (2003). "LGA: A method for finding 3D similarities in protein structures". Nucleic Acids Research. 31 (13): 3370–3374. doi:10.1093/nar/gkg571. PMC 168977. PMID 12824330.

외부 링크

TM 스코어 웹 서버 - Yang Zhang 연구 그룹에 의한 것입니다.TM 점수를 계산하고 소스 코드를 제공합니다.
GDT 및 LGA 설명 서비스와 구조 비교 및 유사성 조치에 대한 문서.

[zhang2004-1] Zhang Y and Skolnick J (2004). "Scoring function for automated assessment of protein structure template quality". Proteins. 57 (4): 702–710. doi:10.1002/prot.20264. PMID 15476259. S2CID 7954787.

[zhang2005-2] Zhang Y and Skolnick J (2005). "TM-align: a protein structure alignment algorithm based on the TM-score". Nucleic Acids Res. 33 (7): 2302–2309. doi:10.1093/nar/gki524. PMC 1084323. PMID 15849316.

[xu2010-3] Xu J and Zhang Y (2010). "How significant is a protein structure similarity with TM-score = 0.5?". Bioinformatics. 26 (7): 889–895. doi:10.1093/bioinformatics/btq066. PMC 2913670. PMID 20164152.

[Zemla2003-4] Zemla A (2003). "LGA: A method for finding 3D similarities in protein structures". Nucleic Acids Research. 31 (13): 3370–3374. doi:10.1093/nar/gkg571. PMC 168977. PMID 12824330.

[1]

[2]

[3]

[4]

Search

템플릿 모델링 점수

네임스페이스

더

목차

TM-점수 방정식

기타 조치

「」를 참조해 주세요.

레퍼런스

외부 링크

Search

템플릿 모델링 점수

TM-점수 방정식

기타 조치

「 」를 참조해 주세요.

레퍼런스

외부 링크

「」를 참조해 주세요.